研究人員使用人工智能確定腎臟疾病的損害程度

(波士頓)-慢性腎臟病(CKD)是由糖尿病和高血壓引起的。2017年，全球CKD患病率為9.1%，約為7億例。通過對(duì)腎活檢樣本中的間質(zhì)纖維化和腎小管萎縮(IFTA)進(jìn)行評(píng)分，來評(píng)估慢性腎臟損傷。盡管圖像數(shù)字化和形態(tài)測(cè)量(測(cè)量外部形狀和尺寸)技術(shù)可以更好地量化組織學(xué)損傷的程度，但仍需要一種更為廣泛應(yīng)用的方法來對(duì)腎臟疾病的嚴(yán)重程度進(jìn)行分層。

現(xiàn)在，來自波士頓大學(xué)醫(yī)學(xué)院(BUSM)的研究人員開發(fā)了一種新型的人工智能(AI)工具來預(yù)測(cè)IFTA的等級(jí)，IFTA是進(jìn)行性和慢性腎臟疾病的已知結(jié)構(gòu)相關(guān)因素。

通訊作者解釋說：“擁有一種可以模擬專家病理學(xué)家工作流程并評(píng)估疾病等級(jí)的計(jì)算機(jī)模型是一個(gè)令人振奮的想法，因?yàn)樵摷夹g(shù)有可能提高臨床實(shí)踐的效率。” BUSM的醫(yī)學(xué)。

病理學(xué)家在顯微鏡上的典型工作流程包括手動(dòng)操作，例如平移以及放大和縮小載玻片上的特定區(qū)域以評(píng)估病理的各個(gè)方面。在“縮小”評(píng)估中，病理學(xué)家檢查了整個(gè)玻片，并對(duì)腎臟核心進(jìn)行了“整體”評(píng)估。在“放大”評(píng)估中，他們對(duì)感興趣區(qū)域中的“局部”病理進(jìn)行了深入的微觀評(píng)估。

一個(gè)由五名從事腎臟病理學(xué)家工作的國(guó)際團(tuán)隊(duì)使用基于Web的軟件(PixelView，deepPath Inc.)在同一組數(shù)字化的人類腎臟活組織檢查中獨(dú)立確定IFTA評(píng)分。他們的平均分?jǐn)?shù)被用作構(gòu)建深度學(xué)習(xí)模型的參考估計(jì)。為了模擬腎病理學(xué)家在顯微鏡下對(duì)活檢玻片進(jìn)行分級(jí)的方法，研究人員使用AI結(jié)合了數(shù)字化腎臟活檢圖像的子區(qū)域(或斑塊)以及整個(gè)(全局)數(shù)字化圖像的圖案和特征，以量化IFTA的范圍。通過補(bǔ)丁級(jí)別和全局級(jí)別數(shù)據(jù)的組合，設(shè)計(jì)了深度學(xué)習(xí)模型來準(zhǔn)確預(yù)測(cè)IFTA等級(jí)。

經(jīng)過驗(yàn)證，Kolachalama相信可以自動(dòng)對(duì)腎臟慢性損傷程度進(jìn)行評(píng)分的AI模型可以作為臨床實(shí)踐中的第二意見工具。他補(bǔ)充說：“最終，可能有可能使用這種算法來研究其他專注于評(píng)估纖維化的器官特異性病理學(xué)。這種方法可能具有比腎病病理學(xué)家提供更多可再現(xiàn)的IFTA讀數(shù)的潛力。”

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！